全球AI监管的下半场：数据成为战略资源后，谁来定义标准

联合国贸易和发展会议（UNCTAD）近日发出警示，随着人工智能（AI）嵌入经济的几乎每一个领域，数据已成为一种战略资源，其收益应得到更公平地分享。尤其是，发展中国家产出的宝贵数字数据日益增多，却对相关使用规则影响甚微。

换言之，数据的价值与收益如何分配，最终取决于规则由谁书写，数据治理的焦点已不只是“谁拥有数据”，而是“谁来定义什么样的数据可用、以何种规则被使用”。UNCTAD表示，它并不主张建立单一的全球监管框架，而是支持一种以共同原则、保障机制和国际合作为基础的渐进式路径。

Senscience联合创始人兼首席执行官、多伦多大学医学院教授希尔（Sean Hill）持有类似判断，他认为，在数据治理中，标准与规则的书写权本身，正在决定价值与收益如何分配。在他看来，围绕“AI就绪数据”（AI-ready data）标准的角逐，正沿着几条不同路径在全球展开。“AI就绪数据”指经过整理、可直接用于人工智能训练与分析的数据。

欧美的推进方式

希尔将当前格局概括为三个各有侧重的中心。“欧洲在强制要求与标准制定上领先，美国在投资与采纳上领先，而亚洲部分地区——尤其是中国——正在基础设施上快速推进，并怀有制定标准、而非被动继承标准的雄心。”他说。

欧美的推进方式截然不同。希尔称，欧洲把开放数据写进了研究资助的结构：以开放数据作为“地平线欧洲”（Horizon Europe）研究计划的默认要求，并推行科学数据管理的核心标准“FAIR原则”（可发现、可访问、可互操作、可重用）、让科学论文一经出版就能免费阅读下载的PlanS与欧洲开放科学云（EOSC）。欧盟还成立了研究评估改革联盟（CoARA），用以改革对研究者的评价方式。《通用数据保护条例》（GDPR）与《人工智能法案》（AIAct）则构成了合规背景。

美国走的则是市场主导、以机构政策逐步推进的路径。希尔称，美国国立卫生研究院（NIH）自2023年起要求，新申请的资助项目须提交数据管理与共享计划。但值得注意的是，2022年，白宫科技政策办公室（OSTP）发布“纳尔逊备忘录”（Nelson Memo），要求所有联邦机构在2025年底前，让联邦资助的研究成果及其数据免费、即时、无禁令期地向公众开放，不过，这项指令已陷入停滞。进入2026年，特朗普政府领导下的OSTP正着手废止这份备忘录。

在希尔看来，两种路径导向了不同结果。“更多资本流向了美国的AI就绪数据，而欧洲构筑的则是更持久、更可复用的基础。”他说，二者并非对立关系，而是各有缺口，“没有基础设施的规则只会加重研究者的负担，而没有溯源的规模则会产出无人能够复用的数据。”

他称：“唯有当标准可被机器执行、整理又足够简便，以至于合规成为良好研究实践的副产品、而非一项额外的杂务时，科学才会进步——这正是我们用FAIR²所要弥合的那道缝隙。”Senscience开发了FAIR²数据管理体系，为科研数据建立一套可核验的质量与溯源标准。

挡在门外的一方

希尔提醒，真正值得担忧的鸿沟并不在不同路径之间，而在“有没有AI就绪基础设施”这条分界线上。他以基因组学为例：“多年来，非洲人群的DNA样本被采集、运往境外分析，相关科学与工具也在别处建立。这恰恰是非洲人类遗传与健康计划（H3Africa）当初要弥合的落差。”

希尔强调，这才是AI时代的真正风险，“缺乏AI就绪基础设施的机构，被降格为向别处所建系统供应原料的角色。既无从参与标准制定，也分享不到由此而来的发现”。

UNCTAD也表示，发展中国家可能沦为宝贵数据的供应方，却在规则制定中缺乏实质话语权。这也正是贸发会议主张以共同原则、而非单一全球模式来构建合作的用意所在——在保留各国政策灵活性的同时，避免决策权集中于少数国家和科技公司之手。

标准一旦彼此割裂，代价随之而来。希尔将其称为对科学的“直接课税”。他解释说：“在数据密集型领域，进步来自把数据跨越国界地汇集起来，直到达到某个规模，规律才会显现。互不兼容的标准会打断这一过程：同一套数据必须准备两遍，而在一套体系下整理的数据，可能无法与另一套合并。”

他以罕见病研究举例：“任何单一国家或许都只有区区数百个病例，少到不足以查明病因；答案只有在欧洲、亚洲及其他地区的病例队列被合并到一起时才会浮现。倘若它们无法合并，那项发现便不会发生，或要迟上许多年。”

希尔认为，代价首先落在研究者身上，其次是科学本身，但最深的代价落在社会，治愈手段来得更慢，发现被延误，努力被重复。“公众要付出双倍代价，一次为研究买单，另一次则体现在那些迟到、甚至永远不会兑现的收益上。”他建议，出路不在于统一，而在于兼容，“标准不必完全一致，但必须能够互操作”。

标准之争的另一端

标准之争的另一端，落在使用数据训练模型的企业身上。

希尔认为，当前AI企业真正做到规范获取科研数据的公司寥寥无几，“先大规模抓取，来源问题事后再说，甚至根本不管。”

在他看来，AI公司使用他人数据，理应承担与任何研究者相同的责任：清楚数据来源、予以署名、尊重使用条款，并对数据背后的人表示感谢。他将数据溯源（provenance）视为可信度的根基，而非一种礼节。

针对这一现状，希尔给出的解法落在数据被处理与认证的具体方式上。他主张，当一套数据被整理为可直接用于训练的“AI就绪成品包”时，溯源与署名信息应当随包保留，而非在打包过程中被剥离；在他看来，来源清晰的数据本就是“更好、更可信的数据”。

由谁为数据质量背书，同样有讲究。希尔认为，认证要真正有意义，前提是质量判断与商业动机相互隔离，交由与结果无利害关系的独立同行评审来完成。更关键的是评审的形式，与其给出一个凭印象得来的不透明评分，不如把标准写成一条条“离散、可核验的陈述”，由评审人逐条勾验，而认证所记录的，只是一套数据满足了哪些具体条款。